区间直觉犹豫模糊粒度结构的不确定性研究

考虑区间直觉犹豫模糊集中元素隶属度不确定这一特征,给出了四种不同的区间直觉犹豫模糊粒基数概念,并在此基础上构造了相关的区间直觉犹豫模糊粗糙熵、信息熵等概念.提出了区间直觉犹豫模糊粒度结构距离的概念,基于区间直觉犹豫模糊粒度结构距离定义了一种新的区间直觉犹豫模糊粒度结构的偏序关系,讨论区间直觉犹豫模糊粗糙熵、信息熵的偏序性.通过实例验证了相关定理和定义的正确性.

基于等腰归一化距离的模糊粒度空间研究

本文将等腰归一化距离引入到模糊商空间中,提出了基于等腰归一化距离的模糊粒度空间理论。研究了它的结构和性质,并得到了四个重要结论。首先,下面3个叙述是等价的(定理3.2):(1)给定X上的一个模糊等价关系;(2)给定X上的一个等腰归一化距离;(3)给定X上的一个分层递阶结构(或有序的粒度空间)。其次,讨论了等腰归一化距离与Fuzzy等价关系间相互确定的对应关系,且都是一对多的关系(定理2.2,定理2.3)。最后,给出了通过X上的模糊等价关系R诱导的等腰归一化距离d确定其引导的粒度上的度量dλ,且dλ正好是d在粒度X(λ)上压缩的等腰归一化距离(定理4.1),同时给出了确定粒度空间上等腰归一化距离的方法。这些研究结论为模糊粒度计算的理论研究和应用提供了强有力的数字模型和工具,同时表明模糊商空间的粒度计算可以在等腰归一化距离的范畴内进行,为模糊粒度计算提供了更为直观的几何解释。

模糊粒度空间的性质研究

在文献[16]基础上,进一步将模糊粒度空间推广到更一般地模糊等价关系上,研究了模糊粒度空间的性质,主要获得了3个结论。首先,引入了有序的等价关系集的概念,给出了下列的四个命题是等价的:(1)给定一个模糊等价关系;(2)给定一个等腰归一化伪距离;(3)给定一个有序的粒度空间;(4)给定一个有序的等价关系集。第二,通过模糊等价关系诱导的等腰归一化伪距离的投影距离和扩展距离,建立了模糊粒度空间上的距离,即是等腰归一化距离,并且给出了模糊粒度空间上距离度量的动态性质研究。最后,给出了模糊粒度空间与模糊等价关系之间的序关系,即它们的序是一致的。这些研究工作进一步完善了模糊粒度空间的理论,为模糊粒度计算提供了更为直观的数学理论和工具。

基于平均型聚合函数的多粒度模糊粗糙集

多粒度模糊粗糙集(multi-granulation fuzzy rough set,MGFRS)是一种重要的粗糙集模型。乐观多粒度模糊粗糙集和悲观多粒度模糊粗糙集分别给出了被描述对象的两种极端描述。从数据聚合角度看,将不同粒度值合并为单一粒度值时,乐观MGFRS采用的是取小算子,悲观MGFRS采用的是取大算子。将取小与取大算子拓展为一般的平均型聚合算子,提出了一种新的多粒度模糊粗糙集模型:基于平均型聚合函数的多粒度模糊粗糙集(multi-granulation fuzzy rough set model on the base of average aggregate function,MFA)模型。研究了MFA模型的基本性质,给出了MFA模型与乐观和悲观多粒度模糊粗糙集的关系。同时,基于MFA模型,提出了基于平均型聚合算子的粗糙近似集模型。

基于区间值犹豫模糊多粒度粗糙集的三支决策模型

针对区间值犹豫模糊信息系统,提出了两种基于区间犹豫模糊多粒度粗糙集的三支决策模型。首先,借助多粒度粗糙集理论,提出乐观和悲观区间犹豫模糊多粒度粗糙集模型。其次,引入区间犹豫模糊连续交叉熵的概念,用TOPSIS方法来计算对象在不同情况下的条件概率。基于此,定义区间犹豫模糊决策理论粗糙集并给出相应的三支决策规则。最后,通过实例验证了这两种模型对目标评估采取不同的态度和决策方案,并且证明了所提算法的有效性。

一种模糊多粒度用电行为异常检测方法

异常用电检测旨在识别和定位电力系统中与常规用电行为显著偏离的用户。现有基于机器学习、深度学习的有监督的检测方法通常需要大量人工标记数据,且对于离散型数据需要进行类型转换,因而容易导致重要信息的丢失。模糊粗糙集理论提供了一种处理离散数据的有效工具,并能直接应用于包含连续数据和离散数据在内的异质信息的知识分类。在文本模糊粗糙集理论的基础上,提出了一个基于多粒度模糊相对差的无监督异常检测方法,并将其应用于智能电网的异常用电检测。具体而言,首先利用模糊近似空间的信息熵来度量属性在知识分类中的重要性,然后根据属性集重要性构造模糊信息粒序列,接着在此序列上定义样本的模糊相对差,最后构建基于多粒度模糊相对差的异常检测方法,并在公开的数据集上进行验证。实验结果表明了所提检测算法的有效性和优越性。实验相关的代码和数据已在网络上公开(http://www.github.com/chenbaiyang/FRAD)。

基于模糊规则的电力系统运行数据异常识别研究

在识别电力系统运行数据异常的过程中,由于缺乏对数据之间关联关系的分析,识别结果的误差相对较大,因此提出一种基于模糊规则的电力系统运行数据异常识别方法。在构建电力系统运行数据模糊规则阶段,充分考虑了电力系统运行数据自身的属性特征,以合理粒度为原则,构建了具有多层结构的模糊规则,对数据的特征参量进行分割处理后,根据数据集中隐含的结构信息构建了电力系统运行数据之间的关联关系。在数据异常识别阶段,将模糊规则作为判断标准,计算电力系统运行数据的特异性程度,并通过约束模糊粒度保障识别结果的精度。测试结果证明,设计方法对不同程度数据异常的识别误差始终稳定在3.0%以内。

基于BLAP聚类和多粒度犹豫模糊集的售电套餐推荐方法

现有基于用户评价信息的售电套餐推荐方法因忽略了差异化用户评价信息的多样性,且仅考虑了用户擅长评价售电套餐所有属性的情形,给推荐结果带来较大偏差。为此,提出了一种基于双层邻近传播(BLAP)聚类和多粒度犹豫模糊语言评价集的售电套餐推荐方法。首先,提出了基于用户画像标签体系和BLAP聚类的样本用户集划分方法,以辨别用电特性相似的用户;然后,考虑多粒度犹豫模糊语言评价集和权重不完整信息,提出了样本用户集对售电套餐选择的模糊评价方法;接着,提出了基于样本用户集评价信息的新用户满意度评估方法和售电套餐的全排序推荐方法,以实现售电公司对售电套餐的精准推荐。最后,以中国某地区用户为对象进行算例分析,结果表明基于BLAP聚类和多粒度犹豫模糊集的售电套餐推荐方法能够帮助售电公司提高推荐质量,进而提升用户满意度,增强用户黏性。

模糊知识粒度计算与应用

根据自反模糊关系,将知识粒度的概念推广为模糊知识粒度。考虑传统模糊粗糙集的粗糙性度量和相似性度量,忽略了模糊集的粗糙近似处于不同知识粒度背景中这样一个重要因素,结合模糊知识粒度的计算,提出了模糊粗糙集的粗糙性度量和相似性度量的新方法。最后,在一个实际的模糊信息系统中,给出了基于模糊知识粒度的知识约简算法。

战略联盟下基于模糊多粒度语言评价的项目合作成员选择

针对如何从数个候选联盟成员中选择最理想的项目合作成员问题,提出了一种操作性较强的选择方法。首先通过静态博弈得到了候选联盟成员进行项目合作竞标价格的可行区间,在考虑专家采用模糊多粒度语言进行期望获利度评价的状况下,运用基本语言转换函数将评价信息进行集结,据此确定候选联盟成员的期望获利度和优化的竞标价格。在给出价格满意度与工期满意度公式的基础上,利用效用值法将基于不同满意度下的排名决策信息进行一致化处理,最后采用互补判断矩阵中的排序公式来选择理想的项目合作联盟成员。

数据仓库模糊粒度模型的研究

在数据仓库逻辑模型设计中,数据粒度的设计对数据仓库的性能、功能至关重要,而目前数据仓库中的粒度几乎都是确定的,在这种环境下,决策者不能更好地对信息管理系统中的信息在全局上进行分析、研究;加之确定粒度模型不易于数据仓库联机分析处理更好地进行,因而提出数据仓库模糊粒度模型。

多粒度直觉模糊三支决策及在目标识别中应用

针对直觉模糊三支决策模型在反映问题时存在不完全性以及统计特性单一的缺陷,将粒计算中多粒度空间描述问题的思想与直觉模糊三支决策模型的思想相结合,提出了多粒度直觉模糊三支决策模型。因不同粒空间呈现统计特性不同,给出具有一般性的乐观和悲观多粒度直觉模糊三支决策模型的定义。根据正域及负域不变的原则定义了多粒度直觉模糊三支决策模型的属性约简。基于Bayes最小风险理论对多粒度直觉模糊三支决策模型中的参数进行确定。将乐观多粒度直觉模糊三支决策模型应用于弹道导弹目标识别问题中。

基于多粒度粗糙直觉模糊集的突发疾病防控研究

基于多粒度粗糙直觉模糊集理论,提出了一种预防和控制突发疾病的方法和模型。首先,分析了现有的主要突发疾病类型并对其分类。然后,根据多粒度粗糙集和直觉模糊集理论,构造了一个突发疾病的防控模型,并给出最优方案选择策略。最后,通过具体实例分析验证了该模型的有效性。

商空间下模糊系统性能一致性(鲁棒性)分析

通过模糊商空间(粒度计算)理论和模糊集的结构性定义,讨论了模糊控制系统模糊隶属度函数的变化对系统结构的影响,给出了模糊系统同构的充要条件．由模糊等价关系出发,证明了模糊控制器的鲁棒性问题,从而对于这个人们多年来一直争论的问题,在一定意义上给予了解决．通过MATLAB对实际控制系统的仿真,证实以上观点正确．

模糊维结构及模糊多维数据模型

基于模糊等价关系,提出一种支持非完全划分的模糊维结构模型,并对模糊维的层次聚集关系,数据立方体和OLAP分析操作进行了形式化描述,从而形成了一种较完整的模糊多维数据模型。

区间值犹豫模糊信息系统中的信息熵研究

借鉴已有处理区间值犹豫模糊集中犹豫模糊元素中元素个数不等问题的研究方法,对区间值犹豫模糊集进行了处理,使区间值犹豫模糊集中犹豫模糊元素中元素个数达到相等,方便了区间值犹豫模糊集中运算和关系的定义.基于区间值犹豫模糊二元关系,给出了区间值犹豫模糊粒度结构概念和区间值犹豫模糊粒的基数概念,讨论了区间值犹豫模糊粒度结构上的三种偏序关系.基于区间值犹豫模糊粒的基数概念,结合Shannon熵给出了区间值犹豫模糊信息熵、联合熵、条件熵概念,讨论了区间值犹豫模糊信息熵的偏序性,并通过实例验证了有关概念的和定理的正确性.

基于模糊近似空间组合度量的特征选择算法

通过对信息系统中属性进行多视角的重要度度量,构造一种更为优越的特征选择算法。以粒计算理论为基础,在模糊近似空间中引入模糊粒度,在此基础上提出模糊条件熵的概念,将模糊粒度与模糊条件熵组合作为属性重要度的度量,给出一种基于模糊近似空间组合度量的特征选择算法。实验结果表明,该算法在特征子集和算法效率方面具有较好的优越性。

犹豫模糊粒计算中信息熵研究

基于犹豫模糊粒度结构理论,结合Shannon熵和梁吉业等人提出的新熵概念,给出Ι型和Π型犹豫模糊信息熵、联合熵、条件熵概念,讨论了两类犹豫模糊信息熵的偏序性,分析了给出的犹豫模糊信息熵、联合熵、条件熵与已存在的各类相关熵之间的关系。

基于模糊邻域粗糙集的信息系统不确定性度量方法

邻域粗糙集和模糊粗糙集是粗糙集理论中处理数值型数据的两种重要模型.在数值型信息系统中融合两者在不确定性度量方面的优越性,首先引入了模糊邻域粗糙集模型,并在该模型上定义了模糊邻域粗糙度的概念.模糊邻域粗糙度是通过粗糙集的边界域来度量信息系统的不确定性,为了达到更为全面的度量效果,在模糊邻域粗糙集模型中定义了模糊邻域粒结构,并基于该粒结构提出了模糊邻域粒度的概念,模糊邻域粒度是对信息系统分类能力的一种度量.最后,通过将两种度量方法进行结合,提出了一种基于模糊邻域粗糙集的混合不确定性度量方法,并从理论上证明其有效性.实验结果表明,所提出的混合度量方法综合了两种单独度量方法的优点,在数值型信息系统中具有更好的度量效果,因此所提出的不确定性度量方法更具有一定的优越性.

基于模糊邻域粗糙集的启发式属性约简算法

属性约简是机器学习等领域中常用的数据预处理方法。在基于粗糙集理论的属性约简算法中,大多是根据单一的方法来度量属性重要度。为了从多角度对属性达到更为优越的评估效果,首先在已有的模糊邻域粗糙集模型中定义属性依赖度度量,然后根据粒计算理论中知识粒度的概念,在模糊邻域粗糙集模型下提出了模糊邻域粒度度量。由于属性依赖度和知识粒度代表了不同视角的属性评估方法,因此将这两种方法结合起来用于信息系统的属性重要度评估,最后给出一种启发式属性约简算法。实验结果表明,所提出的算法具有较好的属性约简性能。